Die Technologie-Kurve ist  steil. Bei einer jüngsten Konferenz verwiesen Experten  auf die Token-Verarbeitung als Maßstab für die KI-Akzeptanz: Google verarbeitet nun mehr als 3,2 Billiarden Token pro Monat über seine Dienste,  ein siebenfacher Anstieg im Vergleich zum Vorjahr. Gleichzeitig entsteht eine neue Kostenlogik: Anfangsinvestitionen und laufende Modell- oder Infrastrukturkosten können die Gesamtaufwendungen zuerst erhöhen, bevor Effizienzgewinne sichtbar werden. Ursache für die zögerliche Nutzung medizinischer KI durch Konsumenten ist fehlendes affektives Vertrauen in die medizinische KI.

Token-Verarbeitung kann als Maßstab für die KI-Akzeptanz dienen, weil sie sichtbar macht, wie intensiv und selbstverständlich ein System im Alltag genutzt wird. Je mehr Tokens in Prompts, Antworten und wiederholten Gesprächen verarbeitet werden, desto stärker wird KI in Arbeitsabläufe integriert und desto größer ist die Bereitschaft, sie als praktisches Werkzeug einzusetzen. Gleichzeitig zeigt der Tokenverbrauch nicht nur Aktivität, sondern auch Vertrauen, denn Nutzerinnen und Nutzer geben der KI damit mehr Text, mehr Kontext und mehr Verantwortung für Teilaufgaben. Ein hoher Token-Durchsatz kann also ein Hinweis darauf sein, dass KI nicht nur ausprobiert, sondern dauerhaft angenommen wird. Allerdings ist der reine Tokenwert kein perfekter Erfolgsmaßstab, weil viel Tokenverbrauch auch durch umständliche Prompts, Korrekturen oder ineffiziente Prozesse entstehen kann. Deshalb sollte man Token-Verarbeitung immer zusammen mit Qualität, Nutzungsfrequenz und tatsächlichem Mehrwert betrachten. So wird aus einer technischen Kennzahl ein brauchbarer Indikator dafür, wie gut KI in Organisationen akzeptiert ist und welchen praktischen Stellenwert sie erreicht hat.

Auswirkung von KI-Effizienz auf die Kostenstruktur

KI-Effizienz verändert die Kostenstruktur vor allem dadurch, dass wiederkehrende Aufgaben automatisiert, Bearbeitungszeiten verkürzt und Fehlerquoten gesenkt werden. Dadurch sinken variable Kosten in Bereichen wie Kundenservice, Datenverarbeitung, Logistik und Wartung, während sich die Kosten stärker in Investitionen für Software, Daten, Integration und Qualifizierung verlagern. Studien und Praxisberichte beschreiben genau diesen Effekt: KI kann Prozesskosten reduzieren, Abläufe beschleunigen und Ressourcen besser auslasten, etwa durch Automatisierung, prädiktive Wartung und optimierte Entscheidungsprozesse.

Gleichzeitig entsteht eine neue Kostenlogik: Anfangsinvestitionen und laufende Modell- oder Infrastrukturkosten können die Gesamtaufwendungen zuerst erhöhen, bevor Effizienzgewinne sichtbar werden. Deshalb ist KI-Effizienz wirtschaftlich besonders dann attraktiv, wenn sie nicht nur einzelne Schritte beschleunigt, sondern ganze Prozessketten vereinfacht und Nacharbeit vermeidet. In der Praxis verschiebt KI die Kostenstruktur also von personal- und fehlergetriebenen Aufwänden hin zu technologie- und datengetriebenen Fixkosten, was langfristig die Skalierbarkeit verbessert.

Im Gesundheitswesen sind Nutzerzufriedenheit und KI-Akzeptanz eng verknüpft, aber nicht identisch. Nutzerzufriedenheit misst, wie gut KI-gestützte Anwendungen die Erwartungen von Patient:innen und Ärzt:innen erfüllen, etwa durch schnellere Diagnosen oder bequemere Terminvereinbarungen. KI-Akzeptanz hingegen beschreibt die grundsätzliche Bereitschaft, KI-Systeme überhaupt zu nutzen und ihnen zu vertrauen.

Laut Studien sehen 57,6% der Patient:innen weltweit KI in der Medizin positiv, doch diese Akzeptanz hängt stark von Faktoren ab: Technikaffinität steigert die Zustimmung auf bis zu 83,3%, während schwer erkrankte Menschen kritischer sind. 72,9% wünschen sich, dass die finale Entscheidungsgewalt bei Ärzt:innen bleibt, und 70,2% fordern erklärbare, nachvollziehbare KI-Systeme.

So zeigt sich: Zufriedenheit entsteht durch konkreten Nutzen, aber Akzeptanz erfordert zusätzlich emotionales Vertrauen, Transparenz und ärztliche Kontrolle. Daher kann hohe Zufriedenheit mit einzelnen KI-Funktionen bestehen, ohne dass gleichzeitig vollständige Akzeptanz für umfassenden KI-Einsatz vorliegt

Digitale Gesundheitskompetenz von Konsumenten

Ursache für die zögerliche Nutzung medizinischer KI durch Konsumenten ist fehlendes affektives Vertrauen in die medizinische KI. Affektives Vertrauen (die emotionale und subjektive Dimension von Vertrauen, die mit dem sozialen Charakter einer Beziehung zusammenhängt) scheint ein Stellhebel zur Steigerung der Akzeptanz und Nutzung medizinischer KI zu sein. Der Einfluss des Anbieters (medizinische KI vs. Arzt) auf das affektive Vertrauen hängt wiederum vom Grad der digitalen Autonomie der Konsumenten sowie deren digitaler Gesundheitskompetenz ab.

Die digitale Gesundheitskompetenz von Konsumenten kann durch gezielte Interventionen erhöht werden, beispielsweise durch den Einsatz eines Step-by-Step-Guides, der transparent durch die Interaktion mit der medizinischen KI führt. Durch eine höhere digitale Autonomie und Gesundheitskompetenz kann das affektive Vertrauen der Kunden in die medizinische KI gesteigert werden, was sich wiederum in einer erhöhten Bereitschaft niederschlagen kann, medizinische KI zu nutzen.

Autor: Wolf-Dietrich Lorenz